机器视觉项目只有在缺陷定义、工件呈现、照明、光学、触发、图像集、标签、算法、PLC握手、剔除机构、网络安全、维护和验收作为一个受控系统运行时才成功。
简要结论
选相机前定义可观察缺陷和后果。跨产品、供应商、速度、位置、光照、污染和季节收集合格、不合格和边界样件。控制光学、曝光、触发、时序和剔除确认;分离训练、调参和盲验数据;按缺陷类别测量误放与误剔;版本化配方、模型和PLC接口;验证视觉、网络或剔除硬件故障时的安全行为。
- 把质量语言转换为可观察、可标注、可度量的验收条件。
- 先稳定工件呈现、照明和光学,再用软件补偿。
- 保留图像来源、标签权威、数据拆分、配方和算法版本。
- 测试从判定到剔除的完整链和故障模式。
决策指南
| 领域 | 关键决定 | 验收证据 |
|---|---|---|
| 工件与缺陷 | 哪些特征、容差、缺陷类别和边界情况重要? | 批准样件、标注指南和后果矩阵 |
| 成像 | 光学、照明、曝光和呈现能否产生稳定对比? | 跨速度、变化和环境的能力试验 |
| 判定 | 阈值、模型、配方和置信规则如何给出Pass/Fail? | 各类别盲验、误放/误剔和重复性 |
| 机器集成 | 触发、结果、超时、剔除、确认和旁路如何工作? | PLC握手跟踪、故障测试、计数和剔除挑战 |
实施流程
- 01
定义检测目的、缺陷分类、后果、节拍、接口、责任人和验收指标。
- 02
设计工件呈现、视野、分辨率、镜头、照明、外壳、触发和校准。
- 03
采集代表性受管图像与标签,分离开发和盲验数据。
- 04
把结果、超时、故障、旁路和剔除确认与PLC及机器安全设计集成。
- 05
执行重复性、变化、速度、故障、误判和维护测试,发布受控配方和证据。
证据与验收
保存需求、样件和标签批准、图像来源、相机/镜头/照明配置、校准、数据集Hash、模型版本、配方、PLC握手、安全边界、测试、误放/误剔、缺陷、复测、备份、清洁、重验、培训和最终基线。
常见错误
- 在定义缺陷和呈现前购买高分辨率相机。
- 用同一批方便图像训练和验收。
- 只报整体准确率,隐藏罕见关键误放。
- 忽略触发时序、剔除确认、旁路和故障行为。
- 更改配方、模型、光学或照明却不重验。
工程与安全边界
主要来源
技术陈述和产品边界已根据以下主要来源核查。 核查日期
常见问题
应先选相机吗?
不应。先定义缺陷、呈现、视野、细节、速度和环境。
多少张图像足够?
没有通用数量;真实变化、稀有缺陷、独立验收和误差置信度更重要。
PLC接口应包含什么?
触发和身份、就绪、结果、超时、故障、旁路、剔除命令和物理确认。
AutoNexit执行视觉检测吗?
不执行;它组织项目需求、文件、版本、测试和证据。